Benchmarks | AI Infrastructure Database

Notes de terrain

Les benchmarks sont la façon dont cette industrie tient le score, et leur cycle de vie est toujours le même : introduit, conquis, abandonné. Sur chaque fiche, la question intéressante n'est pas le leader actuel — c'est la rapidité avec laquelle le test est passé d'impossible à saturé.

Commencez par ces trois-là

ML MLPerf Les seuls chiffres comparatifs audités de l'industrie du matériel IA. SB SWE-bench Verified De vraies issues GitHub — la référence de l'ère des agents de codage. AA ARC-AGI Conçu pour résister à la mémorisation ; a craqué quand même. Puis reconstruit, plus robuste.

Hardware & systems benchmarks

ML MLPerf The industry's referee for AI hardware — training and inference rounds. TO TOP500 The supercomputer league table since 1993 — now measuring the public sector's slice.

Model capability benchmarks

SB SWE-bench Verified Real GitHub issues, real repos — the coding-agent standard. A( AIME (Competition Math) Olympiad-track problems — where reasoning models showed their jump. AA ARC-AGI Chollet's abstraction puzzles — designed to resist everything but intelligence. FR FrontierMath Research-grade mathematics — built unsolvable, already yielding. GD GPQA Diamond Google-proof PhD science questions — the reasoning era's exam. H& HumanEval & GSM8K The retired classics of coding and grade-school math. HL Humanity's Last Exam 2,500 expert questions with a deliberately final name. L( LMArena (Chatbot Arena) Millions of blind human votes — preference as a leaderboard. M& MMLU & MMLU-Pro The default knowledge exam of 2020–24 — now saturated. MT MTEB The embedding leaderboard behind every retrieval stack.